論文の概要: Bridging the Disciplinary Gap in Explainable AI: From Abstract Desiderata to Concrete Tasks
- arxiv url: http://arxiv.org/abs/2605.20081v1
- Date: Tue, 19 May 2026 16:35:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-20 15:03:09.528058
- Title: Bridging the Disciplinary Gap in Explainable AI: From Abstract Desiderata to Concrete Tasks
- Title（参考訳）: 説明可能なAIにおける学際ギャップのブリッジ:抽象的なデシラタから具体的なタスクへ
- Authors: Hanwei Zhang, Jingwen Wang, Holger Hermanns,
- Abstract要約: 多くのデシラタは独立ではなく依存構造を形成する。
一度にすべてのdesiderataに対処する代わりに、依存構造のサブセットに注目し、それらを具体的なXAIタスクに変換する。
- 参考スコア（独自算出の注目度）: 8.659762670287142
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Explainable AI (XAI) is often criticized for failing to satisfy broad desiderata (e.g., fairness, accountability) and for limited practical value to stakeholders. This challenge partly arises because researchers across disciplines prioritize different sets of desiderata that remain underspecified and context-dependent, yet expect XAI to satisfy them simultaneously, resulting in fragmented and sometimes incompatible operationalizations. We argue that many desiderata are not independent, but instead form dependency structures in which higher-level goals (\emph{e.g.}, trust, accountability) rely on more foundational properties (\emph{e.g.}, faithfulness, robustness). Some desiderata are multi-faceted and are best understood within these structures. In particular, instead of addressing all desiderata at once, we focus on subsets of dependency structures and translate them into concrete XAI tasks, thereby decomposing research questions into benchmarkable and solvable units. To this end, we propose a three-axis taxonomy (\emph{target}, \emph{functional role}, and \emph{mode of justification}) and a three-step framework for deriving well-scoped, benchmarkable XAI tasks. Our approach builds on a systematic literature review and conceptual analysis, and supports clarifying desiderata, identifying dependencies, scoping feasibility, and delimiting the design space to derive concrete XAI tasks from abstract desiderata. We illustrate its utility through two explanatory cases, showing how the taxonomy and framework guide systematic task design and evaluation in XAI. {\color{red}{This is a preprint of a paper that will appear in AISoLA 2026.}}
- Abstract（参考訳）: 説明可能なAI(XAI)は、広いデシダラタ(例えば、公正性、説明責任)を満足できず、利害関係者に限られた実用的価値を期待できないとしてしばしば批判される。
この課題は、専門分野の研究者が不明確で文脈に依存しない異なるデシラタのセットを優先順位付けする一方で、XAIがそれらを同時に満たすことを期待し、断片化され、時には互換性のない運用化をもたらすため、部分的に生じる。
多くのデシラタは独立ではなく、より高次の目標 (\emph{e g }, trust, accountability) がより基礎的な性質 (\emph{e g }, faithfulness, robustness) に依存する依存構造を形成する。
いくつかのデシラタは多面体であり、これらの構造の中で最もよく理解されている。
特に,すべてのdeiderataを一度に扱う代わりに,依存構造のサブセットに着目し,それらを具体的なXAIタスクに変換することで,研究問題をベンチマーク可能な,解決可能なユニットに分解する。
この目的のために,3軸分類法 (\emph{target}, \emph{functional role}, \emph{mode of Justification}) と,よくスコープされたベンチマーク可能なXAIタスクを導出するための3段階の枠組みを提案する。
提案手法は,デシダラタの明確化,依存関係の識別,実現可能性の抽出,抽象デシダラタから具体的なXAIタスクを導出するための設計空間の抽出を支援する。
本稿では,2つの説明事例を通して,XAIにおける分類学と枠組みの体系的タスク設計と評価をいかに導くかを示す。
これはAISoLA 2026に現れる論文のプレプリントです。
関連論文リスト
- Deep Reasoning in General Purpose Agents via Structured Meta-Cognition [58.185853639335896]
構造化メタ推論を用いてタスク固有の足場を構築するための推論時アプローチを提案する。
我々は、より制御された推論スレッドに複雑なタスクを分散する汎用エージェントでこのアプローチをインスタンス化する。
論文 参考訳（メタデータ） (2026-05-12T01:21:37Z) - HiCrew: Hierarchical Reasoning for Long-Form Video Understanding via Question-Aware Multi-Agent Collaboration [9.907651803712803]
3つのコアコントリビューションを通じて制限に対処する階層型マルチエージェントフレームワークであるHiCrewを紹介する。
まず,時間的トポロジを保存し,関連性を考慮した階層クラスタリングを行うハイブリッドツリー構造を提案する。
第2に,意図駆動型視覚的プロンプトを合成して意味記述を生成する質問認識キャプション機構を開発する。
論文 参考訳（メタデータ） (2026-04-23T09:04:32Z) - Position: General Alignment Has Hit a Ceiling; Edge Alignment Must Be Taken Seriously [51.03213216886717]
我々は、一般的なアライメントの支配的なパラダイムが、矛盾する値の設定において構造的な天井に達するという立場を取る。
エッジアライメント(Edge Alignment)は,多次元の値構造を保持するシステムにおいて,異なるアプローチである。
論文 参考訳（メタデータ） (2026-02-23T16:51:43Z) - Dynamics Within Latent Chain-of-Thought: An Empirical Study of Causal Structure [58.89643769707751]
表現空間における潜在連鎖を操作可能な因果過程として研究する。
遅延ステップの予算は、均質な余分な深さよりも、非局所的なルーティングを備えたステージ機能のように振る舞う。
これらの結果は、モード条件と安定性を意識した分析を、潜伏推論システムの解釈と改善のための信頼性の高いツールとして動機付けている。
論文 参考訳（メタデータ） (2026-02-09T15:25:12Z) - Unifying Tree Search Algorithm and Reward Design for LLM Reasoning: A Survey [92.71325249013535]
線形木探索はLarge Language Model (LLM) 研究の基盤となっている。
本稿では,検索アルゴリズムを3つのコアコンポーネントに分解する統合フレームワークを提案する。
論文 参考訳（メタデータ） (2025-10-11T03:29:18Z) - Unifying VXAI: A Systematic Review and Framework for the Evaluation of Explainable AI [4.715895520943978]
説明可能なAI(XAI)は、モデル行動に関する人間の理解可能な説明を提供することで、この問題に対処する。
XAIメソッドの増加にもかかわらず、フィールドには標準化された評価プロトコルと適切なメトリクスに関するコンセンサスがない。
我々は、XAI(VXAI)のeValuationのための統一的なフレームワークを導入する。
論文 参考訳（メタデータ） (2025-06-18T12:25:37Z) - Dependency Structure Augmented Contextual Scoping Framework for Multimodal Aspect-Based Sentiment Analysis [9.240806100782718]
DASCOは、感情分析のためのきめ細かいスコープ指向のフレームワークである。
依存性解析ツリーを活用することで、アスペクトレベルの感情推論を強化する。
2つのベンチマークデータセットの実験は、DASCOがMABSAで最先端のパフォーマンスを達成することを示した。
論文 参考訳（メタデータ） (2025-04-15T16:05:09Z) - PanoSent: A Panoptic Sextuple Extraction Benchmark for Multimodal Conversational Aspect-based Sentiment Analysis [74.41260927676747]
本稿では,マルチモーダル対話感分析(ABSA)を導入することでギャップを埋める。
タスクをベンチマークするために、手動と自動の両方で注釈付けされたデータセットであるPanoSentを構築し、高品質、大規模、マルチモーダル、マルチ言語主義、マルチシナリオを特徴とし、暗黙の感情要素と明示的な感情要素の両方をカバーする。
課題を効果的に解決するために,新しい多モーダルな大規模言語モデル(すなわちSentica)とパラフレーズベースの検証機構とともに,新しい感覚の連鎖推論フレームワークを考案した。
論文 参考訳（メタデータ） (2024-08-18T13:51:01Z) - A Systematic Literature Review on Explainability for Machine/Deep Learning-based Software Engineering Research [23.273934717819795]
本稿では,ソフトウェア工学の文脈におけるAIモデルの説明可能性の向上を目的とした,体系的な文献レビューを行う。
我々は,XAI技術がこれまで成功してきたSEタスク,(2)異なるXAI手法の分類と分析,(3)既存の評価手法を考察することを目的としている。
論文 参考訳（メタデータ） (2024-01-26T03:20:40Z) - What Do We Want From Explainable Artificial Intelligence (XAI)? -- A
Stakeholder Perspective on XAI and a Conceptual Model Guiding
Interdisciplinary XAI Research [0.8707090176854576]
説明可能性アプローチの主な目的は、人工システムに関する特定の関心、目標、期待、ニーズ、および要求を満たすことです。
ステークホルダーのデシデラタを満たすという目標を達成するための説明可能性アプローチがどうあるべきかは、しばしば不明である。
論文 参考訳（メタデータ） (2021-02-15T19:54:33Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。